1
Distribusi Binomial
• Distribusi Binomial atau distribusi Bernoulli adalah suatu distribusi teoritis yang menggunakan
variabel acak diskrit yang terdiri dari dua kejadian yang berkomplemen, seperti sukses-gagal, baik-
cacat.
• Distribusi Binomial : 𝑋 ~ 𝐵(𝑛 ; 𝑝).
o X = variabel acak diskrit mengikuti distribusi Binomial
o n = percobaan
o p = probabilitas “sukses” ; q = (1 – p) probabilitas “gagal”
2
Distribusi Poisson
• Menghitung distribusi Binomial dimana n sangat besar dan probabilitas sukses (p)
sangat kecil.
• Aturan yang diikuti oleh kebanyakan ahli statistika adalah bahwa n cukup besar
dan p cukup kecil, jika n = 20 dan p = 0.05 atau n >20 dan p < 0.05.
• Untuk kejadian Binomial yang jarang terjadi dengan n besar dan probabilitas
“sukses” = p kecil, maka fungsi Binomial dapat didekati dengan Distribusi
Poisson.
Probabilitas k ‘sukses’ dari n percobaan :
dimana: e=2,71828....; x = 0, 1, 2, 3, ... dan = = n.p
• Untuk kejadian terkait dengan t = unit waktu, digunakan rumus Proses Poisson:
3
Distribusi Normal
• Fungsi kepadatan probabilitas distribusi normal
• Fungsi f(x;μ,σ2) dapat dibaca bahwa peubah acak x mengikuti distribusi normal dengan rata-rata μ
dan varian σ2 , dapat ditulis menjadi X∼N(μ,σ2).
• Luas daerah di bawah kurva normal untuk - X :
4
Distribusi Normal Standard
(𝑋 − 𝜇 )
• Tranformasi X dengan Normal Standard: X𝑍 𝜎
=
• Dimana
• P(x1 X x2) = P(z1 Z z2) ; nilai probabilitas dalam Tabel Normal Standard
5
Probabilitas Normal Standard
a) b)
• - 0 0
• P(- Z ) = 1 P(Z 0) = P(Z 0) = 0,5
c) d)
• P(0 Z z1) = lihat Tabel Normal Standard P(Z z1) = 0,5 + P(0 Z z1)
6
Probabilitas Normal Standard
• e) f).
z1 0 z2 0 z1 z 2 z2 z1 0
g). h).
selisih mean:
9
Transformasi Normal standard
• Variable random X dengan mean dan standard deviasi :
X 𝑍 = 𝑋 𝜎−𝜇
𝜎
• Distribusi sampling mean 𝑋ത dengan mean: 𝜇𝑋ത = 𝜇 dan 𝜎ത �
𝑋
= ത
𝑋 − 𝜇ത𝑋 ത
𝑋 − 𝜇 𝑛 ത
𝑋 �
ത
𝑋 →𝑍= = =
𝜎
𝜎𝑋ത
−𝜇 𝑛
𝜎
• Distribusi sampling selisih mean:
𝑋ത𝐴 −𝑋ത𝐵 −𝜇 ഥ𝑋
𝑋ത𝐴−𝑋ത𝐵 − 𝜇 1 −𝜇 2
𝑋𝐴 − 𝑋ത𝐵 → 𝑍 = 𝜎𝑋ഥ 𝐴
ഥ𝐵 −𝑋ഥ 𝜎 12
ത 𝐴 −𝑋 𝐵=
𝜎 22
𝑛1
+𝑛 10
2
Distribusi Sampling Satu Proporsi
• Andaikan sebuah populasi tak hingga dan probabilitas terjadinya suatu peristiwa
“sukses” = dan peristiwa “gagal” : (1 – ).
• Populasi berdistribusi Binomial dengan mean: 𝜇 = 𝜋; simpangan baku/standard
deviasi 𝜎 = 𝜋 1−𝜋 .
• Jika kita memilih semua kemungkinan sampel dengan ukuran n
tertentu, distribusi dari semua kemungkinanproporsi “sukses” dalam
sebagai
sampel Distribusi
disebut Sampling Dari Proporsi. Distribusi sampling dari
mengikuti distribusi Binomial.
proporsi
• Distribusi sampling dari proporsi: 𝑃: 𝑝1 , 𝑝2 , 𝑝3 , … ,
𝑝𝑘 𝜋 1−𝜋
Mean: 𝜇𝑃 = 𝜋 dan variansi: 𝜎 2 𝑃 = 𝜋(1−𝜋)
𝑛
; standard deviasi: 𝜎 = 𝑛
𝑃
Mean (P) dan Std Deviasi (P)
𝜋(1−𝜋)
• Populasi tak terbatas: 𝜇𝑃 = 𝜋 dan 𝜎𝑃 𝑛
=
• Populasi terbatas N, sampel dengan pengembalian:
𝜋(1−𝜋)
𝜇𝑃 = 𝜋 dan 𝜎𝑃 = 𝑛
𝜋 (1−𝜋 𝑁 −𝑛
𝜇𝑃 = 𝜋 dan 𝜎𝑃 = ) 𝑛 .
𝑁 −1
12
Transformasi Normal standard
𝜎
• Distribusi sampling mean 𝑋ത dengan mean: 𝜇ത
𝑋 = 𝜇 dan 𝑛
𝜎ത
𝑋 =
• Kita dapat menggunakan Distribusi Normal untuk memperkirakan Distribusi Binomial ketika n
dan n (1 – )
• Jika kedua bilangan ini 10, atau untuk n30 dan kedua bilangan tersebut 5, maka kita
dibenarkan menggunakan pendekatan normal, distribusi sampling sangat mendekati distribusi
Normal, sedangkan pendekatan distribusi Normal terhadap distribusi Binomial adalah :
• 𝐵 𝑛, 𝑝 ≈ 𝑁 𝜇; 𝜎 2 dengan 𝜇𝑃 = 𝑛𝜋 dan 𝜎𝑃 = 𝑛𝜋 1 − 𝜋
• Distribusi sampling proporsi:
𝑛𝑝 − 𝜇𝑃 𝑛𝑝 − 𝑛𝜋 𝑛(𝑝 − 𝜋) 𝑝−𝜋
𝑃→𝑍= = =
𝜎𝑃 𝑛𝜋(1 − 𝜋) 𝜋(1 − 𝜋) 𝜋(1 − 𝜋)
= 𝑛
𝑛 𝑛
13